AI 生產力量不出來，賣方自己承認：OpenAI 生產力負責人點名用量指標已失效；獨立分析師補上結構原因，就算量到，好處也會被競爭抵消掉

今日主線

[趨勢觀察]（訪談原發 07-28 與 06-08，判斷收錄 08-02）失效清單很具體：提交數、行數、token 用量、合併請求數。就算量到，增益也留不進你的損益表

負責 OpenAI 生產力產品線的 Akshay Nathan（OpenAI Productivity／核心產品工程負責人）在 AI 工程訪談節目 Latent Space（swyx 主持、以一手長訪談著稱）親口說：「我認為我們還沒把這件事搞清楚」。他說的「這件事」，是怎麼量 AI 有沒有讓使用者更有生產力。他點名的失效清單：程式碼提交數、程式碼行數、token 用量、pull request 數（程式碼合併請求，常被工程組織當產出指標）。這些代理指標「與團隊能不能達成目標，可能不再高度相關」；就連按讚、按倒讚這類回饋訊號，也量不出使用者是不是真的更有生產力；他把難題推給全行業：「整個產業都得把這件事想清楚」（Latent Space 訪談，07-28 發布）。獨立科技分析師 Benedict Evans（前 a16z 合夥人、年度「AI Eats the World」報告作者）在另一場訪談補上第二層：就算量得到，增益也留不住。投資銀行的現金流折現分析（DCF，把未來現金流折算成今日價值的估值方法）從一週變十秒，你會做五十份分析、但收不了客戶更多錢；工具一旦人人必買，成本結構同步下移，增益歸客戶而不歸採用者。「AI 的錢在損益表上看不見」，其實是市場競爭跑出來的正常結果，談不上量測失敗，Excel 當年就是這樣（a16z Podcast 訪談，06-08 發布）。

驗證： 兩源獨立：OpenAI 自家員工訪談與獨立分析師，互不引用；但都是單源口述、全程零量化數據，Evans 引述的顧問業與央行 CFO 調查未附名稱與樣本數，本報未直核。誘因方向是這條的關鍵：OpenAI 的營收與 token 消耗直接掛鉤，賣 token 的人否定 token 量當生產力指標，是對自家不利的自認，份量重於任何第三方批評；Evans 的結論對創投圈的軟體應用部位同樣不討喜。

判斷更新： 本報帳上一條還在驗證的判斷是這樣寫的：「AI 增益量不量得到，取決於該職位的產出單位能否與外部變量分離；量得到的增益也會因工具普及被競爭掉」。前後兩腿今天各補上一個反向誘因的證詞，信心上調，但暫不升為正式判斷，因為「量不量得到」與「留不留得住」是兩個可以分別開獎的命題，拆開才升。還有一個已在追的接點，傳聞裡有大公司員工寫程式空轉刷 token 用量。一旦公司拿用量當 KPI，「量不準」就會惡化成「被刷爆」，該傳聞仍在等獨立證據。

投資定向段： 目前的敘事假設企業 AI 支出終將被 ROI 數字證明；這兩條證詞指出的落差是量測工具本身缺席、且增益結構性流向客戶端。對「AI 支出可以用生產力報表辯護」的敘事是弱化，對「必需品化、不用者被淘汰」的採用邏輯反而是強化。

[證據更新]（原轉述 2026-07 入帳，SEC 對表完成 08-02）「AWS 利潤率漲幅領先同業」一半對一半錯：漲幅其實更大，但同季 Google 雲端漲得更多

上月半導體與 AI 算力研究機構 SemiAnalysis 的一篇建模分析文章轉述稱：Amazon 雲端部門 AWS 在 2026 年第一季營業利潤率環比上升 213 個基點（basis point，1 基點＝0.01 個百分點）、高於其他雲端服務商，歸因於 Anthropic 模型在 Bedrock 平台（讓企業經同一組 API 接多家 AI 模型的服務）的用量拉動（SemiAnalysis 原文）。本報今天拿 SEC（美國證券交易委員會）申報原文逐格對帳，結果一半對一半錯。對的那半更強：AWS 分部營業利潤率實際從 35.0% 升到 37.7%，環比 +270 基點。轉述版低估約 60 基點，歸因故事的量化前提反而更硬（Amazon 2026 Q1 財報 8-K）。錯的那半是比較級。Google Cloud 同季利潤率從 30.1% 升到 32.9%，這兩個百分比是四捨五入後的顯示值，直接相減會少幾個基點；用該分部未四捨五入的營收與營業利益原始數字自算，環比是 +286 基點，高於 AWS，本報以自算值為準（Alphabet 2026 Q1 財報、Alphabet 2025 Q4 財報）。這裡要帶兩個口徑上的但書：Microsoft 不單獨披露 Azure 利潤率，「同業比較」只限有分部披露的公司；SemiAnalysis 原文也提醒過 Google Cloud 的利潤率有成本歸集因素墊高，原因是 DeepMind 的訓練成本不算在雲端分部，兩家分部的記帳規則不同。

驗證： 新數字全部出自 SEC 申報文件，經審計、可逐格點驗，是本期唯一審計級材料；被對帳的轉述版保留供校準：方向對、量值低估 60 基點，這筆誤差已記入該機構的追蹤紀錄。

判斷更新： 三層。其一，轉述的數字就算方向抓對，量值也可能偏，二手數字一律只能當方向指標用。其二，「AWS 領先同業」的措辭停用；被推翻的比較級反而暴露更大的線：兩大雲端分部利潤率同季同步大擴，「AI 資本支出轉化為分部利潤」是行業級現象，本報已另立一條待驗證的判斷在追，下一季兩家若分道而行則收回（本報自設觀察窗，對照下一季兩家財報）。其三，掛在原數字上的兩條既有判斷（Amazon 押多家模型供應商做對沖、這套對沖已開始兌現）證據升級而非受損。對正在評估要不要押 Bedrock 這類多模型平台的人，今天拿到的是審計級而非二手轉述的證據。

投資定向段： 「AI 資本支出燒錢無回報」與「AWS 是最大受益者」兩種敘事都在流通；審計級數字對前者是弱化（利潤傳導已在兩家分部同季發生）、對後者也是弱化（同季漲更多的是 Google 雲端），真正被強化的是「行業級傳導」這個中間讀法。

[證據更新]（訪談原發 2026-05-22，判斷升格 08-02）「個人化不進模型本體」被當事方親口坐實：不是做不到，是服務成本

Google DeepMind 的 Gemini 共同負責人 Oriol Vinyals（與 Jeff Dean、Noam Shazeer 共同領導 Gemini）在創投 Redpoint 合夥人主持的訪談節目 Unsupervised Learning 裡，把 continual learning（持續學習：讓 AI 從持續互動中累積經驗）的勝出形態判給「檔案式外掛記憶」：agent 把經驗寫進外部檔案、跨任務讀寫，而不是把經驗訓練回模型權重（模型本體的參數）。他給的理由與效果無關，而是服務經濟學：「我們是把一個模型服務到全球規模……要替每個使用者服務一份帶著不同記憶的模型，會非常痛苦」；他也留了退路：如果進權重真是最好的路，「我們會想辦法做出支撐個人權重的硬體」（Unsupervised Learning 訪談，2026-05-22 錄製）。這段話為什麼重要？上月 Allen Institute（美國非營利 AI 研究機構）研究員 Nathan Lambert 推測過同一件事：前沿實驗室「少數模型服務所有人」的規模經濟，結構性排斥一人一份權重，所以個人化這條軸的價值會沉澱在開放權重模型的基建（記憶層、本地微調），而不是實驗室的 API（Interconnects 原文，2026-06）。當時是單一來源的推測；今天被推測的那一方親口說出同一機制，理由正是推測裡的那一個。

驗證： 一手發言逐字稿，身分經三處交叉確認。要標三件事：訪談錄於 5 月下旬、上週才排進處理排程，距今已兩個月，他對能力現況的說法可能已經過時；Vinyals 所屬公司結構上就偏好「個人化不進權重」的答案，這條發言誘因順向；升格依據是「機制被當事方證實」，不是新增量化數據。對照組留在帳上：晶片公司 Cerebras 的多用戶客製權重服務，是「絕對做不到」強讀法的既存反例。

判斷更新： 「個人化屬於開放模型陣營」從初步推測升為正式判斷，但只升半格，因為 Vinyals 證實機制的同時，也給出了實驗室側的解法形態：檔案式外掛記憶，而那正是「中央路線用淺層方案收掉個人化市場」的具體形態。開獎點收斂成一句：檔案式記憶滿不滿足得了個人化的主需求。什麼會推翻：前沿實驗室若推出權重級的個人客製且定價可行，機制腿被削弱。

投資定向段： 押「個人化／記憶層基建」的敘事有了更具體的對手情境：實驗室的答案是外掛檔案、不是個人權重；對該敘事整體持平偏強化（實驗室親口讓出權重級個人化），但市場邊界縮小為「檔案式記憶不夠用的場景」，盡調問題該從「實驗室會不會做」換成「檔案式在哪裡不夠用」。

[趨勢觀察]（訪談原發 07-28）「Codex 週活 1,000 萬」是合計數，而且結構上拆不開；知識工作被判給「給 AI 一台電腦」的框架

與今日核心第 1 則同一場訪談的另一段。OpenAI 對外的「1,000 萬」使用數，主持人 swyx 當面指出是 Codex（OpenAI 的 agent 式寫程式產品）加 ChatGPT Work（其 7 月推出的知識工作 agent 工作區）的合計：「因為 harness 是同一套……你沒辦法分開統計」；受訪的產品負責人未否認，並直答「harness 是同一個、是共用的」。harness 指模型外圍的執行框架：工具呼叫、沙盒、提示組裝這一層（Latent Space 訪談，07-28 發布）。同段三個可用細節：活躍口徑（週活／月活／累計）全程未定義；ChatGPT Work 不預設開給既有用戶、目前僅限付費用戶，這兩點是對自家聲量不利的揭露，可信度反而高；路由是模型自己決定的：偵測到你在做試算表，模型會主動把你推去 Work 模式。「聊天介面正被 Codex 框架取代」是主持人的措辭，受訪者以「原本的 harness 今天還在」（ChatGPT Classic）部分修正，不能記成官方宣告汰除；官方 7 月 9 日另有「Codex 週活超過 500 萬」的口徑，兩者定義不同，不能相減算成長率。

驗證： 一手在場發言，但屬產品發布宣傳窗口的自家員工訪談，採用面自述全部單源；合計口徑是主持人陳述＋受訪者默認，非官方明文；架構共用與路由行為可由公開產品行為部分驗證。

判斷更新： 兩件。讀 OpenAI 的產品數字先問口徑，「1,000 萬」既無產品拆分也無活躍定義，只能當量級引用。更結構性的一件是，OpenAI 把一般知識工作判給了「給 agent 一台可任意操作的電腦」的框架。聊天框長年優化的是延遲與陪伴，正事交給另一套底座。對做應用的公司，該假設的對手是 agent 工作區，不是聊天機器人。

投資定向段： 「Codex 週活千萬」正被當成 AI 寫程式工具滲透率的證據流傳；這條證據指出該數字是雙產品合計、口徑未定義。對以單一數字支撐的滲透敘事是弱化，對「agent 工作區吃掉知識工作入口」的方向判斷是強化。

[趨勢觀察]（訪談原發 2026-05-22）賣模型的人說：agent 的編排層終將被模型自己寫掉，而靠編排生態吃飯的人剛好押相反方向

與今日核心第 3 則、以及本則上一條合看（同屬「模型外那一層歸誰」的線）。Vinyals 被問「你長年主張通用方法加算力終將勝過人工巧結構（AI 圈稱 bitter lesson），現在哪裡還沒被遵守」時，點名 agent scaffold 本身。scaffold 指開發者在模型外圍手寫的編排程式：何時開子 agent、怎麼委派、怎麼管長任務。他的判斷：這一層終將從「人寫的程式」變成「模型當場自己寫的程式」，終局「也許沒有系統」；形態未定（從頭生成，或自動搜尋出正確結構）（Unsupervised Learning 訪談，2026-05-22 錄製）。這條判斷直接撞上本報帳上一條反向判斷，提出者是開源 agent harness 的作者 Peter Steinberger。Steinberger 講的 harness（模型外圍的執行框架）與 Vinyals 講的 scaffold（外圍的編排程式）是同一塊地盤的兩個切面，本報以下統稱編排層。他主張，鎖定效應的槓桿點正從模型層遷到編排層。最乾淨的讀法是誘因結構：賣模型的人說編排層會被模型吸收，靠編排生態吃飯的人說價值正沉澱在編排層。兩邊立場都與自身利益同向，可信度分不出勝負，只能時間開獎；可調和的讀法是時程：當下的判例（同一模型換編排，表現差距可以大於換模型）對上「極限情況」的終局。OpenAI 的 Codex 團隊立場與 Vinyals 相同，但同屬賣模型方，不構成獨立誘因的第二源。還有一條同人張力：同一個 Vinyals，主張「記憶」該放模型外面（今日核心第 3 則）、卻主張「編排」該被模型吃進去。什麼進模型、什麼留外部，分界線他沒說，這是 agent 架構目前最核心的開放題。這條線的過去路徑：

判斷更新： 引用帳上既有判讀，不臨場改判：這條路線之爭目前的判讀是「分域對峙」：編排層的商品化在中低難度任務已發生、沿難度往上爬；高難度端的整合溢價還在變厚；不是單一終局，是一條會移動的前沿。Vinyals 的極限主張不改變這個判讀：推翻「不可解耦」需要「高難度任務換非原生編排且品質不掉」的可核企業案例，目前沒有。實務對沖不變：編排層按「可被模型重寫」設計，要薄、要可拋棄，別把護城河押在編排本身。

投資定向段： agent 編排層新創的估值敘事預設編排是護城河；這條證據顯示賣模型方正明白主張反面，且兩邊誘因對稱、無法用可信度分勝負。對「編排層護城河」敘事是張力提示，持平偏弱化。

[趨勢觀察]（訪談原發 2026-05-29）創投的第一篩選只剩一句話：「你必須在 token 流上」，但同一集裡三個互斥的量化口徑更值錢

a16z 自家節目 The a16z Show 裡，成長基金合夥人 David（推定為 David George；逐字稿只出現名、未出現姓）自陳現在的第一篩選：「你必須在 token path 上」，意思是公司的營收或成本結構直接搭在 AI 用量計費流上；機制是買方預算排擠：客戶不會為上一代軟體加預算，連砍舊軟體省下的錢都補不上 AI 帶來的成本增幅（The a16z Show，2026-05-29 發布）。這是自家頻道對自家組合的定位句，誘因偏高、「什麼算在 token path 上」也無操作化定義，這框架若照單全收，參考價值不大。真正罕見的是同一集三個互斥的量化口徑同框，發言者要分清楚。合夥人 David 給的是一個：頂尖 1% 出場門檻 24 個月從 100 億美元漲到 320 億美元（僅計已交割）。對談的 LP（有限合夥人，創投基金的出資人，自述投創投基金 34 年）給的是另外兩個，一是 Forbes AI 50 榜單（Forbes 年度 AI 私有公司五十強）去年上榜公司四成今年掉榜，二是他自家早期基金歷史損失率六成，對比過去兩年 AI 領域「大概個位數百分比」。LP 直言「這不可持續」，David 當場接話「會上去的」。

驗證： 全部口頭自報：出場門檻的樣本母體未定義、損失率的基金年份與認列時點未定義；榜單更替率可外部重算。三個數字來自對立座位（管理人對出資人）且彼此獨立，這個結構比任一數字本身可信；損失率是對自家不利的揭露，可信度上調。

判斷更新： 買賣雙方在「虧損還沒認列」上有共識，分歧只在何時認列。這比任何多空觀點都硬，因為它是雙方在對自己不利方向上的交集。連帶紀律：任何「誰會贏」的框架，先對帳「四成年掉榜」這個更替率。與凌晨深度報告的接點：「在不在 token 流上」篩的是拿不拿得到增量預算的入場券，深度報告的三變數（見下方深度報告段）篩的是拿到之後賺不賺得到毛利：一個管進場、一個管存活，兩把尺不衝突，疊著用。反過來說，產品營收若不隨 AI 用量成長，在這條篩選標準下就會被歸到拿不到增量預算的那一側。

投資定向段： 「AI 投資勝率高」的敘事與 LP 揭露的損失率結構相抵：個位數損失率被對談雙方共認為暫時現象；對高勝率敘事是弱化，對「篩選門檻正收斂到用量計費流」的觀察是中性新增。

也發生了

同批訪談中落選但值得一行的（原發日期見各條，皆單源口述、方向參考）：

• [趨勢觀察]（訪談原發 07-28）OpenAI 員工自報內部已用 agent 生成的網頁（Sites）取代投影片與試算表當協作載體，具名兩例；樣本是 OpenAI 內部，外推要大幅折價（Latent Space）
• [趨勢觀察]（訪談原發 06-08）Evans：AI 資本支出該量強度不量金額，幾家大廠資本支出佔營收比朝五成走、對照電信業 15–20%；比例是講者口述記憶值，且對營收分母大的 Google 很可能不成立，本報未直核，暫不採信（a16z Podcast）
• [趨勢觀察]（訪談原發 06-08）Evans：組織裡決定工作怎麼做的知識是隱性的、不在訓練資料裡，這是實驗室找顧問業結盟的一種解釋（他的歸因，因果未驗證），對「把流程知識寫成檔案給 agent」路線的直接判斷是「很難」（a16z Podcast）
• [趨勢觀察]（訪談原發 2026-05-29）a16z David：蒸餾（用大模型的輸出訓練小模型）成本約為前訓練的 2%，他並附一句「若持續成立利多開源，反之利空」，把開源命運第一次壓成單一可觀測條件；2% 無出處，與帳上另一絕對值估計同量級收斂（The a16z Show）
• [趨勢觀察]（訪談原發 2026-05-29）同集的上限算術：兩家頭部實驗室年底合計年化營收若達 2,000 億美元，約等於財星五百大年利潤的一成；他的結論是「上限問題就是錢從哪來」，講者自認的直接後果是開源與本地端比預期更早變重要（支撐口徑多缺，僅比值可用）（The a16z Show）

過去洞見

[趨勢觀察]（帳目區間 2025–2026，本報 2026-07-23 深度分析）「長跑能力取代考試分數」要拆三條腿分開判。 今年上半年的流行敘事：考題接連被打穿、模型商營收起飛，所以「模型能連續有效工作多久」取代考試分數成了新主軸。本報當時把它拆成三條腿體檢，結論到今天還好用。量測腿確實成立。評測機構 METR 的「時間軸」量尺（模型能以五成成功率完成多長的人類任務）顯示能力翻倍週期從長期的約七個月，縮到不同方法估出的三至六個月；麥基爾大學團隊用完全獨立的心理計量方法重建出同一條加速曲線（METR 時間軸 1.1，2026-01；BRIDGE 研究）。營收腿就沒這麼硬了，只有相關、沒有因果。收銀機其實在 agent 產品與企業席位，長跑能力是入場門檻、不是帳單上的品項；最硬的反證是定價：到 2026 年 7 月，沒有任何前沿實驗室按「任務完成」或「運行時長」收費。可靠性腿差四到五倍：把成功率門檻從五成提到八成，頭條的「兩個工作日」掉到半天級；機制是錯誤複利：任務時長翻倍，失敗率約翻四倍（agent 可靠性研究，2026-02）；讓模型自主經營模擬生意一整年的實測裡，所有前沿模型只拿到人類高手收益的一小部分（Vending-Bench 2）。用法：聽到「模型能自主工作 X 小時」，先問成功率口徑；八成口徑未來一年爬不爬得過 8 小時，是這條敘事的開獎時鐘。